www.idele.fr 1M. Ferrand – Institut de l’Elevage – 19/06/2013

Estimation de l’incertitude

en analyse de cycle de vie

www.idele.fr 2

Elevage et environnement, un sujet sensible

Nécessité de mieux quantifier les impacts en

fonction des pratiques

Contexte

www.idele.fr 3

Une démarche multicritère en 3 étapes

1. Définition des objectifs de l’étude et des

systèmes à étudier

2. Inventaire des flux, c’est à dire des émissions vers

le sol, l’air et l’eau

3. Evaluation des impacts : réchauffement

climatique, acidification, biodiversité,…

L’analyse de cycle de vie

GES’TIM GIEC

Référentiel

technique(hypothèses, forfaits,

règles de décision…)

BDD Diapason

Les étapes du calcul

Données techniques

secondaires

(calculées)

Flux

environnementaux

Données techniques

primaires

(descriptives)

Impacts

Nb VL, ration

N excrété

CH4, N2O, CO2 Réchauffement

climatique en

eq. CO2

Les données d’activité Inventaire des flux

Evaluation de

l’impact

x Facteurs

d’émission

x Facteur de

caractérisation

GES PRG à 100 ans

(GIEC, 2007)

CO2 1

CH4 25

N2O 298

www.idele.fr 5

Méthode de rééchantillonage (Monte-Carlo) :

recommandée par le GIEC

Analyse de sensibilité

Méthodes analytiques

Ensembles flous

Quelle méthode pour

intégrer l’incertitude ?

www.idele.fr 6

4 étapes :

1. Définition des distributions des paramètres :

biblio, expérimentation…

2. Génération de différents profils de paramètres

3. Calcul de la variable d’intérêt y selon les profils

de paramètres

4. Estimation de la distribution de y

La méthode de Monte-Carlo

www.idele.fr 7

Beaucoup d’étapes, de l’incertitude sur les

paramètres, les données et le modèle

���� Environ 250 paramètres et peu de connaissance sur

leurs distributions

• Facteurs d’émission : incertitude plus ou moins connue,

contextes souvent différents au niveau de la biblio

• Facteurs de caractérisation : incertitude peu connue

� Réalisation d’une analyse de sensibilité en amont de

l’analyse d’incertitude pour cibler les paramètres

d’intérêt

Le problème

www.idele.fr 8

Connaître l'effet des variables d'entrée/paramètres

sur la sortie Y

connaître "qualitativement" :

- linéaire/non-linéaire ?

- interaction ?

connaître "quantitativement" :

- effet plus important qu'un autre ?

- effet négligeable ?

Objectifs de l’analyse de sensibilité

www.idele.fr 9

Locale : Méthode analytique pour les modèles

ayant peu de paramètres (modèle linéaire et

monotone)

Globale : basée sur la décomposition de la

variance

� Quantification de l’influence des incertitudes surla variabilité de sorties

Méthodes de screening : moins précises mais

adaptées aux problèmes ayant de nombreux

paramètres

L’analyse de sensibilité

www.idele.fr 10

One at time : seulement un

facteur varie à chaque

simulation, r répétitions par

facteur → r*(p+1) simulations

Morris OAT Design (1991)

� r1

�

Factor 1 = x1

Fact

or 2

= x

2

Répétition 1

d1x1

=�=∆y/∆ x1

d1x2

=�=∆y/∆ x2

r2

r3Après r répétitions

µ* x1= Ε(|dix1|), i ϵ {1…r}

σ* x1= σ(dix1), i ϵ {1…r}

Moyenne élevée ���� influence du facteur sur la sortie

Ecart-type élevé ���� interaction ou effet non linéaire

www.idele.fr 11

0.0 0.2 0.4 0.6 0.8

0.00

0.05

0.10

0.15

Mu*

Sig

ma

CH4 bat aire raclee CH4 bat lit accCH4 bat caillebotis CH4 fumierCH4 lisierCH4 pat

NH3 bat

N2O bat aire racleeN2O bat lit accN2O bat caillebotis

N2O fumier

NO stockage

NH3 pat urine

NH3 pat feces

N2O pat urineN2O pat fecesN2O pat total

NO pat

NH3 ep min

NH3 ep fumier

NH3 ep lisier

N2O ep

Depot atm

N2O volat ep

N2O lessiveN2O residuN2O retournementStockage C haieStockage C PPStockage C PTStockage C estive

Attention : les résultats

peuvent être biaisés si pas

assez de simulations

Exemple de résultats avec la

méthode de Morris non généralisée

www.idele.fr 12

���� problème du fléau de la dimension

Méthode ISTHME (Morris généralisé)

Matrices d’Hadamar

Méthodes alternatives pour les

problèmes de grande dimension

www.idele.fr 13

Analyse de sensibilité très intéressante pour cibler des

paramètres mais quelques limites

���� Fléau de la dimension

� Non prise en compte de la collinéarité

� Peu de détails

Néanmoins

�un premier tri efficace sans avoir à connaître les

distributions

� permet d’orienter la bibliographie et les

experimentations futures

Discussion

www.idele.fr 14

Merci de votre attention